随着网络和多媒体的发展,各种各样的视频数据在互联网社交平台在线共享.同时视频捕获变得非常简单和廉价,并且用户都遵循先捕捉、后过滤的心态.因此,这样随意得到的视频时间长、不稳定、内容冗余且没有代表性.在此背景下,本文主要针对动态视频摘要算法展开研究,提出了一种新的视频摘要方法来处理原始、随意捕获的视频.该算法可以通过输入原始视频,提取视频中的有用信息,输出满足人们需要的一个简短但传达原视频故事情节的视频摘要.目前,这方面有很多研究,并得到了许多的视频摘要算法.本文的主要工作如下:（1）本文对原来的多样性参数进行了分析,发现这个参数不能准确表示视频的多样性,导致生成的摘要内容存在很大的相似性.在此基础上,提出了一个新的多样性参数来减少生成的视频摘要片段的相似性.（2）证明了所新提出的多样性参数的次模性,并给出了已有的三个视频摘要参数的次模性的证明.（3）在原有的算法框架上,利用次模函数的特性设计了一个新的基于次模函数的视频摘要优化算法.它可以找到真实摘要的近似解.（4）通过实验比较了本文方法与其它方法生成摘要的多样性属性,从实验结果可以看出本文方法生成摘要片段的相似度优于已有的多样性参数.